AI 制药:是革命,还是资本故事?

当“十年磨一药”的传统医药叙事，遇上“数月出候选分子”的AI神话，一场关于医药工业未来的争论已然白热化。

AI制药究竟是颠覆行业的技术革命，还是资本堆砌的泡沫故事？答案，藏在效率数据、临床现实与资本逻辑的交织之中，需要我们抽丝剥茧，从行业本质出发，探寻其真实面貌。

长久以来，传统制药行业深陷高成本、长周期、低成功率的困境，“双十定律”如同悬在行业头顶的达摩克利斯之剑。一款创新药从靶点发现到成功上市，平均耗时超过10年，耗资突破10亿美元，而临床成功率却不足10%。传统研发模式更像是“大海捞针”，靶点验证依赖科研人员的经验判断，化合物筛选需要进行海量的体外实验，临床试验环节漫长且充满不确定性，失败率居高不下。

这种低效模式下，罕见病药物研发因回报有限而动力不足，热门靶点扎堆导致研发同质化严重，无数患者在等待新药的过程中消耗着生命成本，行业亟需一场降本增效的变革，而AI技术的出现，恰好精准踩中了这一核心痛点。

不可否认，AI为制药行业带来的效率突破是真实且显著的，其核心价值在于用数据与算法重构整个药物研发流程，试图改写困扰行业多年的“双十定律”。

传统模式下，从靶点发现到候选化合物确认，往往需要2.5至4年时间，而AI技术可将这一过程缩短至12到18个月，效率提升幅度达到60%至75%。英矽智能的Rentosertib就是最具代表性的案例，这款药物从靶点发现到进入I期临床相关的临床前阶段，仅用了18个月左右，比传统研发路径缩短了约70%，成为AI制药效率优势的生动佐证。

除了周期压缩，AI还实现了研发成本的断崖式下降。在早期研发阶段，AI可将成本降至传统模式的0.05%（即1/2000），而AlphaFold3等先进工具的出现，大幅降低了靶点结构研究成本，其预测精度较传统工具提升50%，原本需数十万美元的实验性蛋白质结构预测，借助AlphaFold3可快速完成，且该工具推出免费平台供全球科学家非商业性使用，进一步降低了行业研发门槛。与此同时，在患者招募、临床试验设计等关键环节，AI也能发挥重要作用，缩短30%至50%的时间，间接降低研发过程中的各类隐性成本。

如今，AI已渗透到药物研发的全链条，从靶点发现、分子设计、虚拟筛选，到临床试验、药物重定位，都能看到其身影，但在已知靶点领域，AI辅助设计的药物I期临床成功率虽有提升，实际约为20%-35%，并未达到80%至90%的水平，传统模式I期临床成功率基线约为40%-65%，AI的提升效果仍需进一步验证。

这些突破并非空谈，而是被全球头部药企用真金白银验证的事实。2025年，礼来与英矽智能达成近7亿美元的ALS药物开发合作，阿斯利康与石药集团的AI制药合作规模为53.3亿美元，并非185亿美元，越来越多大药企选择拥抱AI技术，足以说明其效率价值已从实验室走向产业落地，成为推动行业发展的新动力。但效率突破的另一面，是资本狂热催生的泡沫，以及AI制药难以逾越的行业瓶颈，这场看似轰轰烈烈的变革，背后暗藏着诸多隐忧。

2021至2025年，AI制药成为资本市场的流量密码，一段关于AI加速分子设计的PPT，往往就能引来资本的追捧与融资。2025年，中国AI制药领域融资额约67.54亿元，同比增长130.5%，全球融资额约60亿美元，并非78亿美元，资本扎堆涌入，催生了行业的虚假繁荣。

早期的AI药企大多套用科技公司的估值逻辑，依靠美好的愿景与规模扩张撑起高估值，却忽视了医药行业的核心，那就是临床数据与商业化能力，这种讲故事式的融资模式，为行业泡沫埋下了隐患。

更值得警惕的是，AI制药面临着三大核心瓶颈，短期内难以突破。首先是数据困境，高质量标注的临床数据极度稀缺，行业内数据孤岛现象严重，加上隐私合规的限制，数据共享难度极大，而训练数据的偏见的又会导致AI模型的泛化能力薄弱，常常出现“实验室有效、临床失效”的尴尬局面。其次是技术局限，AI本质上是“黑箱”算法，能够快速给出候选分子，却无法清晰解释药物的作用机制，这使得其难以获得监管机构与临床医生的信任。同时，AI的预测精度仍有不足，分子的药效、毒性与实际湿实验结果存在较大差距，再加上高昂的算力成本，让中小药企难以承担，进一步加剧了行业的两极分化。

最关键的是，临床高失败率的难题并未被AI破解。AI设计的药物II期临床失败率约为64%，高于传统药物57%的失败率，并非高达80%。事实上，AI能优化30%-40%的分子筛选环节，并非仅15%至20%，但它无法解决靶点错误、疾病认知偏差这一临床失败的核心原因，这也让AI的“革命价值”打了折扣。此外，资本驱动下，AI药企纷纷扎堆热门、已验证的靶点，加速推进确定性管线，导致研发创新同质化严重，行业陷入重速度、轻认知的误区，本末倒置。

时间来到2026年，AI制药终于迎来了关键的拐点。泡沫逐渐退潮，行业开始从靠故事融资转向凭临床算账，回归产业本质。资本市场率先回归理性，大药企不再为概念买单，合作模式从广撒网转向只买结果，优先选择有临床数据、管线成熟的AI药企合作。与此同时，行业估值体系也发生了重构，临床数据、管线实力、商业化路径成为核心定价依据，那些没有实际临床成果、只靠讲故事的初创公司，估值大幅缩水，逐渐被市场淘汰。

资本的理性回归，也推动着AI药企的模式转型。越来越多的企业放弃了高风险的自研管线，转而成为为大药企提供技术服务、平台授权的“卖水人”，英矽智能、晶泰科技等头部企业，更是走出了自研+平台输出的双轨模式，一边推进自有管线的临床进展，一边向行业输出AI平台能力，通过合作授权获得稳定收入，这种模式既降低了单一药物失败的风险，也放大了AI技术的复用价值，更符合医药行业的风险规律。

我们必须清醒地认识到，AI制药不是万能解药，它无法颠覆医药行业的底层生物学规律，也不能取代科学家的核心作用，但它绝对是这场效率革命的核心工具。短期来看，AI的价值主要集中在已知靶点、成熟疾病领域，帮助行业加速药物的优化与迭代，降低研发成本。长期来看，随着数据的不断积累、技术的持续迭代，AI有望在全新靶点、罕见病、复杂疾病领域实现突破性进展，推动人类对疾病机制的认知革命。

说到底，AI制药从来都不是非黑即白的选择题，它既不是纯粹的技术革命，也不是单纯的资本故事，而是以技术革命为内核、资本泡沫为阶段性表象的产业变革。AI带来的效率提升是实实在在的，它已经改写了药物研发的效率与成本曲线，在已知靶点领域的价值不可替代，是医药工业发展的必然升级方向。而资本泡沫则是行业发展初期的阶段性产物，是资本对新技术的过度追捧导致的，随着泡沫退潮，真正有技术实力、有临床成果的企业将留存下来，推动行业持续健康发展。

未来，AI制药的终极价值，从来都不是取代科学家，而是赋能科学家，让AI承担起重复、低效的筛选工作，解放科学家的双手与精力，让他们能够聚焦于疾病机制研究、靶点创新等核心问题，最终实现“更快、更省、更好”的新药研发，让更多新药走进临床，惠及全球每一位患者，这才是AI制药真正的意义所在。